您的位置: 专家智库 > >

中国博士后科学基金(2011M500675)

作品数:4 被引量:38H指数:4
相关作者:田培涛刘彬谢平杜义浩袁晓铭更多>>
相关机构:燕山大学哈尔滨工业大学中国地震局工程力学研究所更多>>
发文基金:中国博士后科学基金河北省自然科学基金黑龙江省博士后基金更多>>
相关领域:自动化与计算机技术建筑科学电子电信更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 2篇建筑科学
  • 1篇电子电信

主题

  • 2篇液化
  • 2篇子群
  • 2篇粒子群
  • 2篇粒子群优化
  • 2篇机器人
  • 2篇并联机器
  • 2篇并联机器人
  • 1篇地裂缝
  • 1篇地震
  • 1篇迭代学习
  • 1篇迭代学习控制
  • 1篇运动学
  • 1篇震害
  • 1篇土性
  • 1篇群算法
  • 1篇自适应迭代
  • 1篇自适应迭代学...
  • 1篇汶川地震
  • 1篇粒子群算法
  • 1篇机器人运动

机构

  • 2篇哈尔滨工业大...
  • 2篇中国地震局工...
  • 2篇燕山大学
  • 1篇河北工业大学

作者

  • 2篇徐学燕
  • 2篇杜义浩
  • 2篇谢平
  • 2篇曹振中
  • 2篇刘彬
  • 2篇田培涛
  • 2篇袁晓铭
  • 1篇李雨润

传媒

  • 1篇机械工程学报
  • 1篇岩土工程学报
  • 1篇中国机械工程
  • 1篇防灾减灾工程...

年份

  • 4篇2012
4 条 记 录,以下是 1-4
排序方式:
一种并联机器人误差综合补偿方法被引量:22
2012年
针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。
谢平杜义浩田培涛刘彬
关键词:并联机器人粒子群优化自适应迭代学习控制
国内外液化砂砾土土性对比分析被引量:4
2012年
砂土液化问题的研究特别是砂土液化的判别目前已经取得了较大的进展,并在国内外现行的规范中充分反映,而砂砾土由于颗粒大、透水性好,普遍认为地震时孔压不至于上升至液化的程度,往往将其划分为非液化土类。通过调查汶川地震砂砾土液化情况以及勘察试验获取其土性资料,对比分析了国内外液化砂砾土的地质背景及土性特征。主要认识为:①以往国内外砂砾土液化实例虽然有限,但已经表明松散-稍密的砂砾土在一定的地震强度下仍有可能发生液化,而2008年汶川地震中的大量砂砾土液化的事实,说明笼统地将砂砾土划归为非液化土类的做法有误;②汶川地震液化砂砾土的颗粒级配范围涵盖了国内外其他地震的颗粒级配,研究汶川地震的砂砾土液化问题具有代表性和普遍性,以此建立的砂砾土液化评价方法在国际上应具有通用性。
曹振中徐学燕袁晓铭
关键词:级配土性
德阳松柏村典型液化震害剖析被引量:4
2012年
2008年5月12日中国发生的8.0级汶川大地震中,位于Ⅶ、Ⅷ度交接处的德阳松柏村液化破坏十分明显,喷砂类型丰富,液化伴随大量地裂缝,液化加震现象十分显著,具有典型研究价值。对该村进行了详细的现场测试并与以往液化震害进行了对比分析,结果表明:尽管松柏村地表主要喷出物是中砂和粗砂,但实际液化土与喷出物差别显著,主要为砂砾土液化;以往还没有提出过适于工程应用的砂砾土液化判别方法,而超重型动力触探(DPT)具有设备简单、经济实用、测试数据连续的优点,可作为砂砾土液化预测的核心指标;松柏村大量地裂缝现象不是由次断层造成而是由土层液化引起,而液化产生地裂缝的基本条件为地表较平坦(<3%)以及液化土层水平分布不均匀;液化减震的基本条件为上覆非液化层足够厚且较为密实,但定量评价方法还有待进一步研究。
曹振中李雨润徐学燕T.Leslie Youd袁晓铭
关键词:汶川地震地裂缝
基于改进粒子群算法的并联机器人运动学精度提高新方法被引量:9
2012年
针对并联机器人在基于给定工作任务进行轨迹规划过程中,存在因机构误差引起的期望轨迹与理想轨迹之间的偏差,由此造成并联机器人运动学精度降低的问题,提出了一种并联机器人运动学精度提高新方法。首先将连续工作任务离散化为满足精度要求的若干理想位姿点,在建立并联机器人位姿误差模型基础上,将机构误差项转化为驱动杆误差;基于种群排列熵模型和粒子速度激活机制改进了粒子群算法,并利用改进的粒子群算法组合优化驱动杆参数,补偿并联机器人位姿误差,进而修正期望轨迹以提高并联机器人运动学精度。通过MATLAB和ADAMS仿真验证了所提出方法的可行性和有效性。
杜义浩谢平田培涛刘彬
关键词:并联机器人粒子群优化
共1页<1>
聚类工具0